行业新周期与智能体手机
陈茜: 最近手机大战又打响了：苹果正式进入折叠屏，三星把折叠屏拆成多种形态，小米展示了18 Fold。与此同时，存储芯片价格持续上涨，推动整个行业进入新一轮周期，并迫使厂商进一步收缩中低端产品线。但更前沿、也更让人关注的是AI智能体手机 (AI Agent Phone)。
过去十几年，手机一直在变得更强：摄像头越来越多，芯片越来越快，但我们操作手机的方式几乎没怎么变。那如果有一天，手机不再等你操作，而是直接替你完成事情呢？
2026年，这件事突然开始加速。高通CEO安蒙此前说过：“2026是agent之年”。我们也看到今年7月，阶跃星辰发布了AI手机STEPX Neo，荣耀发布了Robot Phone；还有最近，努比亚发布了NaviX Ultra，搭载了新版豆包手机助手消费者版，是官方认证的“全球首款AI智能体手机”。而在硅谷，苹果、谷歌、OpenAI纷纷下场发力。一时间，AI手机市场热闹了起来。
大家好，欢迎收看《硅谷101》，我是陈茜。这期视频我们想聊聊手机的下一步在往哪里走，行业里正在出现如何的变革，为什么手机厂商开始押注“agent”，像努比亚NaviX Ultra这样的产品上手体验如何，以及智能体手机真的是AI硬件的未来吗？
押注智能体手机的三股力量
陈茜: 为什么最近手机厂商都来押注“智能体手机”了呢？这背后其实是有三股力量汇聚在了一起。
第一是传统手机行业需要新的“换机理由”了。过去几十年，智能手机的升级逻辑非常清楚：屏幕越来越大，摄像头越来越多，处理器越来越快，电池越来越持久。每隔一两年总会有一个明显的硬件升级，让消费者觉得这台手机值得换。但最近几年，这种刺激正在明显变弱。Counterpoint的数据显示，全球智能手机换机周期已经明显拉长：2023和2024年这个数据都是在43个月左右；到了2026年，Counterpoint最新判断是受存储芯片等零部件价格上涨影响，全球换机周期正在向48个月，也就是4年靠拢。
在分析换机周期拉长的原因时，他们提到了一个词叫做incremental device upgrades，也就是“渐进式设备升级”。说白了，也就是新手机和上一代手机之间的差距，消费者越来越感知不到了。所以对于厂商们来说，他们急需去找到一个新的刺激点来重新点燃大家的购买欲望，那当然就是AI了，更准确地来说是Agent（智能体）。
过去几年，手机AI功能已经越来越多，但是Agent（智能体）带来的想象空间是完全不同的。比如之前想订一家餐厅，你可能需要打开手机地图、搜索餐厅、看评价、查时间，再跳转到订餐平台；而在智能体时代，你只需要告诉手机：“帮我找一个离我近一点、适合两个人吃饭、今晚七点还有位置的餐厅”，那后面的搜索、比较、预订都可以由Agent（智能体）来完成。这样一来，手机的角色就彻底变了，从“等人操作的工具”直接变成了“能够替你办事的智能助理”。而这对于手机厂商来说，可能就是下一轮换机周期所需要的“新故事”。
端侧芯片与模型架构演进
陈茜: 我们说到的第二股力量就是算力。端侧AI从“能用”进入到了“好用”，开始能够支撑这个“新故事”的落地。
以前手机上的AI主要还是语音识别、图像识别、拍照算法等相对固定的任务，任务不复杂，模型也不大，NPU针对性地优化一下也就够了。但是Agent（智能体）要进入手机之后，任务的复杂程度大大提高，它可能会涉及语音、文字、图像、AI推理、操作等一系列的事情。手机不仅需要大量的计算，CPU、GPU、NPU以及其他专用计算单元还要围绕着任务进行动态的切换与协同，端侧AI能力就成为了关键问题。
在过去几年的时间中，手机芯片正在针对性地解决这个问题。我们翻了一下骁龙的迭代记录，发现AI计算是从早期的一个辅助能力，逐渐变成了SoC中的核心能力：
- 早在2015年，高通的骁龙820就搭载了第一代Qualcomm AI Engine，芯片开始帮着处理影像、语音和传感器上的AI任务；
- 2018年的骁龙855又给它加进了张量加速器，不过这时候的AI干的还是拍照、语音这类固定活；
- 真正的转折在2022年底的骁龙8 Gen 2，这一代第一次支持INT4低精度计算，也专门针对Transformer做了优化。高通公布的数据显示，在部分AI工作负载上，性能最高提升4.35倍。从这一代开始，手机芯片开始为“本地跑大模型”做准备了；
- 2023年的骁龙8 Gen 3更是宣布支持最高100亿参数的生成式AI模型在手机端运行；
- 到去年骁龙峰会发布的第五代骁龙8至尊版，高通第一次把“手机上的智能体”写进了设计目标，NPU相比上一代提升37%，同时加入了个人速记（Personal Scribe）、**个人知识图谱（Personal Knowledge Graph）**等能力。这两个东西的作用，就是让端侧的Agent（智能体）能够记住你，能够持续学习。
你看看这个节奏：从帮拍照到算神经网络，然后能跑大模型，再到现在开始有“记忆”，芯片厂商其实是一步一步在往Agent（智能体）这个方向挪，只不过前几年没有人把这个词常挂在嘴边。
不过芯片跑得快还不够，你还得有一个真的能塞进手机里的模型。云端的大模型参数动辄上千亿，无论如何是塞不进一块手机里的，所以过去很长一段时间，“大模型”和“手机”几乎是两个世界的事。但是这两年，这两个世界开始快速地靠近。一方面，模型本身正在快速地变小。
徐晧: 同样的智能，需要的参数是越来越少了。比如说我们做过一个研究，在2024年最好的LLaMA出来的一个模型，它的performance（性能）、它的表现能够到某一个数量级；在几个月、小于一年的时间内，这100多个billion或者几百billion的模型，它用很小的模型，比如4个billion或者几十个billion的，它就能达到同样的效果甚至于更好。
陈茜: 在另一方面，“端云协同”的架构也让Agent（智能体）在手机上的能力有了更大的发挥空间。
整机Agent与SuperApp两条路线
陈茜: 随着需求、算力、模型这三股力量汇聚到一起之后，AI智能体手机需要的基本条件就已经具备了。这个时候问题也就出现了：当AI开始替用户操作手机之后，谁来决定它应该怎么操作？这也就是目前行业正在分叉的地方。
目前行业里主要有两条不一样的思路：
第一种思路可以理解成“整机Agent”。你打开手机，看起来还是我们熟悉的样子，常用的APP都不少，而AI功能被集成到了系统里。这种路线最大的优势是体验足够直接。我们这次体验的努比亚NaviX Ultra，搭载了豆包手机助手（消费者版）和骁龙旗舰移动平台，就是走的这条路线。具体体验咱们后面来慢慢聊。
第二种思路就是在手机里面放一个SuperApp，也就是超级AI入口。用户先进入一个AI APP，比如说ChatGPT、豆包、Gemini等等，然后由它去调用地图、购物、外卖等各种服务。这种路线的优势是落地相对容易，手机厂商不需要一下子重构整个操作系统，只需要先把AI入口做好，再不断增加它能够调用的服务，用户的学习门槛也会比较低。
行业现在其实是在两个方向的探索都在进行，也在寻找平衡和突破。
硅谷与国内玩家的不同打法
陈茜: 我们先来看看硅谷这边的一些动作。
首先就是最近刚召开发布会的苹果。最近苹果刚刚发布了iPhone 18系列。从今年的WWDC开始，苹果最大的变化之一就是正在把Siri从“只会回答问题的助手”往系统级Agent（智能体）推进。在今年的发布会中，苹果甚至在开场就直接提出了Intelligent Personal Hub这个概念，把新一代iPhone描述成“智能个人中枢”。而在计算方式上，Apple Intelligence也继续采用“端侧处理+私有云计算”相结合的方式，能够在设备上完成的尽量放在设备上，需要更强能力的时候再交给苹果的云端。它的好处是体验比较容易统一，但是相应地，它对第三方生态的开放程度相对有限，很多AI能力需要在苹果自己的规则和框架下去运行。这带来的潜在问题，可能就是迭代速度会慢一些了。你看这几年，苹果AI的推进一度是落后于市场预期的。
另一边，谷歌的路线有点不同。它看起来是在做Android的系统级Agent（智能体），但是从它背后的生态来看，又非常像一种Super App。因为谷歌手里面本身就有一套非常完整的服务体系，所以当Gemini进入Android之后，它同时获得了两个优势：一方面它可以深入操作系统，理解用户正在做什么；另一方面，它自己又拥有大量可以直接调用的服务。不过，谷歌的优势同时也是它最大的难题。用户真正使用的手机要使用的远不只有谷歌的这些服务，当Agent（智能体）开始跨APP执行任务，就需要不同的第三方应用开放权限、接口和执行能力。再加上Android设备众多，不同厂商的硬件、系统和权限机制都有差异，所以Google可能要解决的问题是如何让Gemini在一个开放、庞大又高度分散的Android生态里，稳定地替用户把事情做完。
当然，硅谷还有一类新玩家，比如说OpenAI。2025年5月，OpenAI宣布与前苹果首席设计师Jony Ive的设计公司LoveFrom合作，并收购其硬件团队io Products。一开始Ive和Sam Altman设想的是希望摆脱“屏幕+APP”的交互方式，甚至一度设想为没有屏幕的设备。有消息称OpenAI的产品设计可能还会是基于传统智能手机的形态，目标在2027年的上半年量产。
硅谷现在的探索更多还是集中在系统层和终端层，而在中国市场，厂商的打法则是更加的多样化，也更热闹了。今年七月，网信办第一次集中公布了端侧大模型的备案信息，苹果、小米、OPPO、vivo、华为、三星、努比亚七家主流厂商全部完成了端侧AI生成式服务的备案。这也意味着智能体手机在国内已经从厂商自己的产品探索，逐渐进入到有备案、有监管的落地阶段。
在这当中，努比亚的做法有点特别，它走的是整机Agent（智能体）路线。
NaviX Ultra上手与交互范式
陈茜: 那它的体验如何呢？我们先来聊聊努比亚NaviX Ultra相比传统智能手机感受非常不一样的几点：
第一个变化最直观：有些APP的操作在获得授权之后，我就不用自己动手了。过去我们想做什么事，得点开对应的APP，然后逐步地搜索、翻页、查询；而到了智能体手机上，只要长按独立的AI键说出我的要求，它就会在获得授权之后自动帮我操作。
第二是执行能力提升，它可以跨APP操作，具体主要分三步：
- 感知方面：豆包手机助手拥有全局读屏的能力。比如说刷视频的时候，可以直接问屏幕中的内容是什么、在哪里，不需要再截图单独打开AI软件去问；
- 推理方面：对于一些需要其他APP协助的任务，它能自动唤起对应的APP，不需要我再手动打开；
- 执行方面：更重要的是它可以在后台的虚拟屏幕上跑，画面不占用主屏，我可以同时做其他事。
第三就是记忆能力。只要我授权了或者主动告诉它一些信息，它就能够帮我记住，比如说我的行程、票价。当我需要的时候可以直接问豆包，不再需要打开APP去寻找。
这些体验加起来，就构成了“AI原生交互”的一个范式。
徐晧: AI将会重构交互体验，它是个全新的user interface（用户界面）。从我们选APP到不用选APP，这些都是我们慢慢地会适应的一些用户体验，以及交互方式的转变。
陈茜: 当然，作为一个全新的品类，智能体手机的体验还有很多的提升空间。我们试用的时候发现，现在各种流畅的体验主要是围绕系统应用、中兴还有字节系的APP上，想调用更多第三方APP的话，还得等待未来逐步接入。不过从技术角度上来看，这套“理解-规划-执行”的完整链路已经跑通了。这就像自动驾驶行业早期的状态，先把技术底层搭好，接下来更重要的是到真实的商业环境里去反复验证和迭代。
异构计算与端云协同硬件底座
陈茜: 这些复杂的能力在手机上要跑得好、还要跑得久，底层硬件需要什么样的支持呢？
首先，Agent（智能体）要随时待命，但是如果芯片一直全功率运行，电量就撑不了多久，这就需要低功耗感知。
第二点，硬件要能够更好地支持多任务并行调度。过去CPU、GPU、NPU各自承担比较明确的任务，但是到了Agent（智能体）上，又是任务调度、又是推理计算，后台还得渲染操作界面，这些任务需要在不同的计算单元之间高效切换，每一块都不能有短板。
而且手机上的算力毕竟是有限的，这就要说到第三个要求，那就是云端与本地的协同。
徐晧: 我们在手机端侧会做预处理，把个人的信息作为一个简化和压缩，作为一个local memory（本地存储器），就是本地的一个存储。如果我要做一个大的规划，如果手机上能做，那我们就在手机上做出来；如果手机上不能做，那规划我们可以把它放到云端，我给它提供某些信息，云端做出规划再传回来。
陈茜: 端云协同的时候，最影响体验的就是延迟，而且智能体的计算不是集中式的，这也更考验分布式动态调度的能力。
把这几条放在现实里面对照一下，我们已经走到了哪一步了呢？可以说基础框架已经搭好了，但是未来更加值得期待。
拿我们手上这台努比亚NaviX Ultra来说，它用的是骁龙旗舰移动平台。针对前面说的低功耗感知，还有两个Micro NPU，平时就盯着语音唤醒和运动状态，功耗压得很低，只有需要AI干重活的时候才会唤醒主NPU。
至于多任务调度，它的思路是“异构计算”，把不同的活儿交给最适合的单元。
徐晧: 我们这里面架构包括CPU、GPU、NPU，所以它的每个的功能不大一样。CPU它主要是管控制；我们大部分的算力实际上是在NPU上面，所以NPU它能够把AI的这些运算能够在降低功耗的情况下做到极致。NPU最大的一个优势是它是定点的，所以它是为AI来量身定造的，做一个最节能的方式。GPU它大部分的时候是它比较灵活，但是它的能耗会更高。所以我们这个异构架构的话，可以把每一个硬件的部分都能够用到它的特长。那些端侧确实搞不定的，就利用5G的低延迟链路去和云端协同。我们有非常强大的5G连接，把这个数据传到云端，让云端做完训练（推理）再传回来。所以这些所有的解决方案，都是统一的一个解决方案的一部分。
芯片架构的下一代突破
陈茜: 这么看来，智能体手机的硬件需求已经“基本上”满足了。为什么说是“基本”呢？毕竟今年Agent（智能体）概念才刚刚开始落地，随着AI能力的增长，算力的需求还会不断地提升。我们再来看看移动芯片行业将会如何去应对。
比如说高通刚刚举办了2026骁龙峰会，发布了新一代双旗舰移动平台，官方宣称是专为智能体时代设计的旗舰移动平台：
第一块是CPU。单从参数上来看主频是达到了5GHz，但比主频更值得说的是它带来的一个叫FlexCache的缓存架构。简单解释一下，就是让不同的计算核心共享同一个缓存池，并且可以根据任务负载动态调整分配。因为Agent（智能体）的工作方式是一个请求进来被拆成一串子任务，这些子任务要在不同的核心之间轮流跑；传统的架构下任务每切换一次核心，数据就可能要重新从内存里加载一遍，而FlexCache让大家共用一个缓存池，任务交接的时候数据还在原地，就不用从头再来。这样带来的好处就是可以支持智能体保留更长的上下文，更快地响应速度，延迟更低。
第二块是GPU。这次的思路是让GPU自己也具备AI能力。新发布的Adreno Neural Fusion是把AI加速直接放进图形管线里，另外还加了一组专门跑AI的GPU核心叫Adreno Matrix Cores，用来做AI超分、帧生成和Transformer计算这类事。
第三块就是NPU。这里主要是两项更新：
- 首先是专为Transformer优化的Element Accelerator，里面有两组单元：向量计算单元负责高吞吐量的AI数学计算，让运算更快；标量计算单元负责决策逻辑、路由和编排，让推理更准确，同时功耗更低。
- 另一个是大容量共享内存，让模型状态、上下文和KV-cache能存在离加速器更近的地方，这样智能体在多个工具和任务之间切换的时候不用每次都从头加载。另外它还支持**MoE（混合专家模型）**以及从INT2到FP16的多种精度策略，在执行任务时谁擅长谁上，让简单任务省电、复杂任务效果更好。
所以接下来行业的动向是让NPU、CPU、GPU三条线上都有AI加速，这恰好是Agent（智能体）这种多步骤任务最看重的东西。
结语：下一轮移动入口之争
陈茜: 说了这么多的Agent phone智能体手机的底层技术升级和正在推出的一些产品范式的变化，其实在这背后是AI浪潮来临之际，市场对下一代交互体验的畅想。
说实话，手机对人们现在来说实在是太重要了。无论是看小说的老年人，还是“刷社媒”的GenZ，又或是同时好几部手机、把它们当移动电脑的上班族，这样形态的硬件已经成为我们生活和工作的必不可少。而如此由移动互联网形成的紧密关系，正在AI的加持下面临一次巨大的升级：从“我来操作”到“它替我完成”。
而当这个变化真正发生的时候，下一代手机的竞争可能也就不再只是参数、镜头和芯片的竞争了。谁能成为离用户最近、最懂用户，也最值得用户信任的那个Agent（智能体），可能才是下一轮移动计算真正的入口之争。
以上就是这期视频的全部内容了。你们的留言、点赞还有转发，是支持我们《硅谷101》做好深度科技和商业内容的最佳动力。我是陈茜，我们下期再见，拜！